智元发布全球首个具身智能‘肌肉记忆’基座模型BFM-2,开启机器人运动控制新范式

2026年5月23日,中国具身智能领军企业智元机器人正式发布新一代二阶段运控基座模型——BFM-2(Body-Fused Motion Between Model),首次实现机器人在任意初始状态(静态、预设动作或随机扰动输入)下自主完成高稳定性动作插值与动态任务闭环。该模型被业界称为赋予机器人真正‘肌肉记忆’的底层运动引擎,标志着具身智能从‘感知-决策’单链路向‘感知-决策-执行’全栈实时闭环迈出关键一步。

此前行业普遍受限于运动控制泛化性弱、状态迁移僵硬、物理仿真与真实部署鸿沟大等瓶颈,多数机器人仍依赖大量手工调参与场景重训练。BFM-2通过引入跨模态运动表征蒸馏机制与轻量化时序隐状态建模架构,在仅1.2B参数规模下达成毫秒级推理延迟,并在UR5、Unitree Go2及自研双足平台实测中,将复杂地形穿越成功率提升至94.7%,非结构化抓取任务平均重试次数下降83%。尤为关键的是,其支持零样本迁移至未见过的关节构型与动力学参数,突破传统强化学习对海量真机交互数据的强依赖。

此次发布同步宣布BFM-2已接入国家机器人质量监督检验中心认证测试体系,并启动‘百厂千机’开源共建计划:首批向国内27家制造业头部企业的产线AGV、协作机械臂及巡检机器人开放SDK与微调接口。工业界反馈显示,搭载BFM-2的焊接机器人轨迹平滑度误差压缩至±0.12mm,较上一代方案降低67%;而电力巡检四足机器人在暴雨湿滑场景下的跌倒率由11.3%降至0.8%。这不仅验证了模型对真实工况的强鲁棒性,更实质性推动具身智能从实验室演示迈向高可靠性工业部署临界点。

业内专家指出,BFM-2的出现正加速重构具身智能技术栈分工——算法层聚焦运动基座统一建模,硬件层专注高带宽力控执行器迭代,应用层则可专注任务逻辑编排。中国电子技术标准化研究院专家认为,该模型有望成为继Transformer之于NLP、ViT之于CV之后,第三个具备跨平台基础模型属性的AI范式载体。未来三年,随着BFM系列与多模态世界模型(如Qwen-Robotics)、具身操作系统(如M-Robots OS)深度耦合,人机协同产线、自主矿山作业、太空在轨维修等长尾高价值场景或将迎来规模化落地拐点。